产品副经理所要展开的统计数字挖掘要紧密结合3个各方面来展开——具体内容销售业务、统计数字挖掘、统计数字工程建设，而整个统计数字挖掘所牵涉的关键步骤辅助工具等又能分成6个组件——分项可视化、统计数字辅助工具、统计数字处理、统计数字挖掘基础、统计数字挖掘高阶、统计数字采集。今天他们来说呵呵分项可视化组件。

一、分项可视化简述

本栏先提出几个问题作为责任编辑的慢板——甚么是统计数字分项？常见的统计数字分项有甚么样？它们是怎么表述的？日常生活组织工作中查阅这些分项会遇到甚么样坑？怎样优先选择统计数字分项？优先选择统计数字分项会遇到甚么样坑呢？

选准统计数字分项的常见认识论：

假如老板娘问及：“刚上架的街道社区商品，前段时间整体表现怎样？”

后辈商品：“很不错——日活每天都在涨，追加也很多。”

现职商品：“现况令人担忧——日活按设备数看一直在涨，但如果按注册登记使用者数看并不乐观。追加使用者转换成注册登记使用者的只有20%，表明他们街道社区现在还没有促使使用者注册登记的意图。”

四个月后，老板娘想知道是否要已经开始推展？

后辈商品：“前段时间日活平稳，追加使用者减少，要不要推展除此以外。”——整体表现差强人意

现职商品：“前段时间日活虽然下跌趋势并不大，但：1. 使用者总和Luzy相比刚上架时增加一倍，2. 使用者间的挚友表面积月环比下跌30%，我觉得街道社区气氛已经形成，3. 这个从新使用者翌日存留由不久前的35%增长到50%也能得到校正。因此，认为能已经开始大规模推展。”——十分可信赖

二、认识常见的统计数字分项

甚么是统计数字分项？即对现阶段销售业务有指导意义的统计统计数字。进一步表明，现阶段销售业务+有用——并非所有的统计数字都叫分项，与现阶段销售业务毫无关系的，也意义并不大；可统计——统计数字并非或说产生的，不能天马行空。

举一个直白的小例子，老板娘为了提高自己小卖部的营业额搞了促销活动，为了衡量促销效果，他首先记录了一天中小卖部门口的路过人数为3，进店人数为2，购买人数为1，这些即是统计统计数字（可被观测、统计、记录）；随后计算出进店率为67%，购买率为50%，这就是对销售业务有指导意义的统计数字（衡量活动是否有效）。

常见的统计数字分项有甚么样？即怎样量化“谁干了甚么，结果怎样”这句话，谁——使用者统计数字，干了甚么——行为统计数字，结果怎样——销售业务统计数字。

DAU/MAU=Daily/Monthly Active User

1）理解Daily/Monthly

2）理解Active

方法一：统计数字统计系统的表述

基于事件上报判定活跃：有事件上报->该使用者活跃。

tips：上报可能有坑——假定了事件上报一定来自使用者主动操作；谨防活跃暴增，其他统计数字并无显著增加的情况。

预制报表的统计系统（友盟、百度统计、GA、……）都是基于事件上报展开统计，其统计逻辑是：今天上报过事件（->使用者展开了主动操作）->这个使用者是活跃的。

然而有时上报并不表明使用者的真实行为，如手机收到PUSH后上报事件，这属于后台回报消息，并非使用者行为。

，的指导有多少条PUSH是到达了使用者设备上的，不然无法优化推送转化。”RD采用如下解决方案：“我在后台给你写一个Service，APP收到PUSH的时候，我就给友盟上报一个事件说我收到了。”

方法二：业务上的表述

基于关键事件上报：使用者执行了关键事件->该使用者活跃。

tips：存在维护成本——需不断维护日活事件列表；存在沟通成本——团队内外对[活跃]的认知需统一。

这需要制作日活事件列表，表述甚么样事件需要上报。比如：

3）理解User

认人：每位注册登记使用者一个唯一ID，但未登录的使用者会被漏掉。

具体内容操作：给每位使用者一个唯一的专属ID，只适合强注册登记/登录环境，使用者数=访问过服务的ID数。

认设备：每台设备一串唯一标识符，但无法对对应设备背后的使用者。

具体内容操作：在网页cookie中买下一段长随机字符串，作为设备唯一标识符，使用者数=访问过服务的设备数。

关于到底是认人还是认设备，本栏总结方法如下：

每个人都在提[追加]，每个人嘴里面讲的追加其实都不一样。

所以需要根据具体内容销售业务统一[追加的表述]。

1）增——优先选择合适地节点，表述[增]

因为渠道商往往强势，所以在哪个节点结算应该谈清楚。

2）新——用适当的方法，判别[新]

为什么要看存留，这个表格能简明概括存留的作用。

举例：以7日日存留的三种算法为例来评估某渠道的质量。

算法一：（第七天/第一天）x100%——7日日存留，只关心到特定日的存留情况，避免了其他日统计数字的干扰。比如比较渠道在Day7的存留情况时，引入Day2~Day7的使用者统计数字，反而影响判断。

算法二：（第二天~第七天去重后/第一天）x100%——7日内存留，引入了其他日统计数字，适用于有固定使用周期，且周期较长的日内活跃情况，更能描述渠道质量。

算法三：（ 第七天/第0天）x100%——7日日存留，追加当日为第0日，下一日为1日，使第7日与追加当日对齐，某种程度上能抵消某些星期级别的周期性差异。

同理，当不再以日为统计单位，而是以更长时间周期来统计时，就得到了周存留/月存留，此时能更好观察整个大盘。注意，在计算时务必将使用者去重，公式如下：

无论使用哪一种算法，公司内部紧密结合销售业务特性达成彼此认同时最重要的。

不同的网站统计工

直接访问（Direct）：指的是使用者直接访问网站，而并非从其他网站或搜索引擎进入。包括但不限于：使用者在地址栏输入网址访问网站、从浏览器收藏夹访问、使用者点击聊天辅助工具里的链接如QQ聊天记录里的链接。

引荐流量（Referral）：从使用者非搜索引擎与社交网站点击进入网站。比如友链互惠网站、百度贴吧等站外街道社区论坛。

搜索引擎自然流量（Organic Search）：从搜索引擎自然搜索结果链接进入网站的流量。区别于Paid Search，自然流量时搜索引擎自然排名结果的链接，通俗讲就是非竞价非付费的搜索引擎排名页面链接。另外值得一提的是，某些有中国特色的搜索引擎如百度，出了提供搜索引擎服务外，也提供很多的内容商品服务比如百度贴吧、百度知道等，从这些非搜索引擎搜索页面进入的流量并不归属于自然流量，而是引荐。

付费搜索（Paid Search）：即搜索引擎竞价，很多没有搜索引擎优化

社交媒体（Social）：社交网站流量在绝大多数国产网站统计辅助工具中并没有单独列出来。但是，全球最大的搜索引擎谷歌搜索的排名因素中，社交媒体因素已经占有超过10%的权重，所以也要引起重视。

（Direct）。

PV（Page Views），即次数；UV（Unique Visitors），即人数。然而在衡量完成目标行为的潜力时，通常会用PV/PV表示该页面引发下一行为的能力；UV/UV表示使用者的行为倾向；PV/UV表示总和行为次数。

1）PV/PV；UV/UV

2）PV/UV

3）访问深度

算法一：使用者对某些关键行为的访问次数。

算法二：将网站内容/功能分成几个层级，以使用者本次访问过最深的一级计算。

1）为何要统计访问时长

通过统计特殊事件，支持销售业务需求。比如，记录暂停/关闭页面后、播放器中视频进度条现阶段的位置，能统计视频被消费程度，评价内容质量。

2）怎样统计访问时长

总之，采用何种方式统计访问时长一定要回归销售业务本身。

举例：小卖部老板娘想知道，一共卖了多少钱？消费水平怎么样？来了多少人？有多少人买东西了？有多少人是老顾客？他们的商品好不好卖？……这些牵涉总量、总和、付费数、付费率，通常要看销售业务统计数字分项。

通俗理解即，使用者一点开某个页面就马上退出，不展开任何下一步操作的比率。一般统计的是整个网站产生的所有会话的弹出率。

责任编辑由 @DarcyAI 原创发布于人人都是商品副经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。